[论文解读] Symbols and synergy in a neural code

Naama Brenner, Steven Strong+3 more|ArXiv.org|Feb 23, 1999

Neural dynamics and brain function参考文献 2被引用 4

一句话总结

该论文提出一种方法，通过测量动作电位模式中所含的信息量，而不依赖其功能意义，来量化神经编码中的符号与协同作用。该方法应用于果蝇H1神经元时发现，时间上接近的峰电位对所携带的信息量远超单个峰电位的两倍，表明由于峰电位之间存在强烈的协同作用，这些峰电位对在神经编码中充当特殊符号。

ABSTRACT

Understanding a neural code requires knowledge both of the elementary symbols that transmit information and of the algorithm for translating these symbols into sensory signals or motor actions. We show that these questions can be separated: the information carried by any candidate symbol in the code--- a pattern of spikes across time or across a population of cells---can be measured, independent of assumptions about what these patterns might represent. By comparing the information carried by a compound pattern with the information carried independently by its parts, we measure directly the synergy among these parts. We illustrate the use of these methods by applying them to experiments on the motion sensitive neuron H1 of the fly's visual system, where we confirm that two spikes close together in time carry far more than twice the information carried by a single spike. We analyze the sources of this synergy, and provide evidence that pairs of spikes close together in time may be special symbols in the code of H1.

研究动机与目标

• 将神经编码符号的识别与其功能解释分离开来。
• 开发一种在不假设其意义的前提下量化神经峰电位模式之间协同作用的方法。
• 检验特定峰电位模式（如时间上接近的峰电位对）是否在神经编码中充当独立符号。
• 分析果蝇H1运动敏感神经元中信息协同作用的来源。

提出的方法

• 使用信息论测量候选符号（时间或神经元之间的峰电位模式）的信息含量，而不假设其功能角色。
• 通过比较复合峰电位模式所携带的信息与各组成部分信息之和，量化协同作用。
• 将该方法应用于果蝇视觉系统中H1神经元的实验数据，重点关注峰电位时序与模式。
• 采用互信息与协同作用度量，分离峰电位之间时间相关性对整体信息传输的贡献。
• 通过统计分析评估特定峰电位模式（如时间上接近的两个峰电位）是否携带显著多于独立贡献预期的信息量。
• 通过与随机打乱的峰电位数据比较来验证结果，排除偶然相关性的可能性。

实验结果

研究问题

• RQ1 在不依赖其功能意义的前提下，什么构成了神经编码中的符号？
• RQ2 与各组成部分相比，复合峰电位模式携带了多少信息？
• RQ3 在H1神经元中，时间上接近的峰电位对在多大程度上表现出协同信息编码？
• RQ4 是否存在特定的峰电位模式在H1神经元的神经编码中充当特权符号？
• RQ5 观察到的峰电位模式编码协同作用背后的机制是什么？

主要发现

• 在时间上接近的两个峰电位所携带的信息量远超单个峰电位的两倍，表明存在强烈的协同作用。
• H1神经元中时间接近的峰电位之间的协同作用具有统计显著性，无法用独立峰电位贡献来解释。
• 数据表明，时间配对的峰电位可能在H1神经编码中充当独立符号。
• 协同作用主要源于精确的峰电位时序，因为当峰电位顺序或时序被随机打乱时，多余信息量会消失。
• 复合模式的信息含量显著超过各峰电位贡献之和，证实了信号的非线性整合。
• 结果表明，神经编码可能依赖于特定的、非独立的模式（如峰电位对）作为高效编码的基本符号。